[发明专利]一种基于异构图模型的社交活动推荐方法

摘要

本发明公开了一种基于异构图模型的社交活动推荐方法，包括基于用户的兴趣爱好、社交关系、位置偏好、历史行为等为其推荐线下社交活动，以及根据活动的规模自适应调整用户分配方案。异构图模型是该技术的核心，其构建主要包含以下几个步骤,分别为影响因子判别、特征降维、选取异构图节点、建立节点联系、为悬挂节点建立“虚连接”。在图模型建立以后，推荐问题从计算用户与活动间的相似性问题转化为图模型中的节点邻近性计算问题。在图网络中，用户节点与活动节点间通过边直接或间接相连，连接密切的节点间具有更高的相关性，依据用户节点与各活动节点间的相关性，对候选活动进行降序排列，从而选取值最高的K位构成用户推荐列表。

主权项

一种基于异构图模型的社交活动推荐方法，其特征在于，包括以下步骤：(1)获取参与社交活动的所有用户集合U＝{u1,u2,...,uM}、所有的社交活动集合E＝{e1,e2,...,eN}、以及所有的社交活动群组集合G＝{g1,g2,...,gw}，以及每个用户对社交活动偏好的影响因素，其中M表示用户数量，N表示社交活动的数量，W表示社交活动群组的数量；(2)使用聚类算法对获取到的影响因素进行预处理，以得到处理后的影响因素集合F＝{F1,F2,...FZ}，其中Z表示处理后的影响因素的数量；(3)将得到的所有用户集合U＝{u1,u2,...,uM}、所有的社交活动集合E＝{e1,e2,...,eN}、以及所有的社交活动群组集合G＝{g1,g2,...,gw}，以及处理后的影响因素集合F＝{F1,F2,...FZ}中的每个元素作为异构图的节点，通过训练集数据构建异构图模型中各个节点间的连接，以生成异构图模型中的边，并为每条边设置相同的权重系数；(4)为异构图模型中存在关联性的集合构建对应的邻接矩阵；(5)对获取的每个邻接矩阵进行行归一化，以生成转移概率矩阵P；(6)利用带重启动的随机游走方法对异构图模型进行处理，以得到每个用户对社交活动的偏好程度；(7)将步骤(6)中得到的每个用户对社交活动的偏好程度按照从高到低的顺序进行排序，并将前K个偏好程度对应的社交活动推荐给该用户，其中K为自然数。